本發(fā)明涉及圖像處理領(lǐng)域，特別涉及遙感影像快速拼接或土地調(diào)查中利用無人機(jī)影像快速發(fā)現(xiàn)變化用地的技術(shù)。

背景技術(shù)：

近年來，無人機(jī)遙感以低成本、機(jī)動靈活、快速響應(yīng)等優(yōu)勢，在土地監(jiān)測監(jiān)察領(lǐng)域顯示出了廣闊的應(yīng)用前景。目前，在區(qū)域尺度上利用低空遙感影像快速檢測土地變化信息，已成為一種新型的國土資源動態(tài)監(jiān)測技術(shù)手段。宋丹妮等在“基于遙感影像的單縣土地利用動態(tài)變化分析”中通過2000年和2009年兩期遙感影像的配準(zhǔn)、裁剪、監(jiān)督分類等操作對單縣的土地動態(tài)變化進(jìn)行分析。付蕭等在“利用無人機(jī)影像進(jìn)行山區(qū)土地利用信息動態(tài)監(jiān)測”中通過彭州兩期無人機(jī)遙感影像采用面向?qū)ο蟮姆治黾夹g(shù)獲取土地利用信息的變化量。這些方法都需要獲得監(jiān)察區(qū)的完整遙感影像。

現(xiàn)行無人機(jī)遙感影像拼接檢測技術(shù)一般都需要空中飛行、地面布控和室內(nèi)成圖三個步驟，才可能應(yīng)用于國土資源管理，其中地面布控需要大量專業(yè)人員使用專業(yè)的測量儀器到現(xiàn)場實測，在山區(qū)、河流、森林等地面特征不明顯區(qū)域，人員無法到達(dá)或精確定位，地面控制點的獲取往往存在困難或根本不可能，費時費力成效甚微。

技術(shù)實現(xiàn)要素：

為解決上述問題，本發(fā)明公開了一種大尺度遙感影像特征點庫的構(gòu)建方法，該方法把舊時相遙感影像的特征點檢測作為預(yù)處理，在檢測土地變化信息或遙感影像快速拼接時，避免對舊時相影像特征點的反復(fù)提取，將新時相影像與舊時相影像之間的對比，轉(zhuǎn)變?yōu)榕c特征點數(shù)據(jù)的對比，從而大幅提高處理效率。

為達(dá)到上述目的，本發(fā)明的技術(shù)方案如下：

一種大尺度遙感影像特征點庫的構(gòu)建方法，包括以下步驟：

步驟1，結(jié)合舊時相遙感影像的分辨率，確定所分割瓦片的尺寸及數(shù)量，對舊時相遙感影像進(jìn)行重疊網(wǎng)格劃分；

步驟2，分割舊時相遙感影像；

步驟3，通過特征點檢測算法提取每塊瓦片的特征點數(shù)據(jù)；

步驟4，將特征點對應(yīng)坐標(biāo)信息及描述子數(shù)據(jù)用r*樹作索引存入空間數(shù)據(jù)庫；

作為本發(fā)明的優(yōu)選方案，所述步驟2包括如下步驟：

a，由于特征點描述子數(shù)據(jù)受到其周圍像素的影響，因此為保證從每一張瓦片中提取的特征數(shù)據(jù)與原影像相同，在分割時應(yīng)根據(jù)特征點檢測算法原理，對每塊瓦片設(shè)置相應(yīng)數(shù)量像素的余量；

b，按一定邏輯順序讀取舊時相遙感影像數(shù)據(jù)并將相應(yīng)數(shù)據(jù)寫入對應(yīng)大小的瓦片。

作為本發(fā)明的優(yōu)選方案，所述步驟3包括如下步驟：

a，根據(jù)每塊瓦片所設(shè)置的余量，即與相鄰?fù)咂闹丿B部分，計算出從瓦片中檢測到的特征點描述子數(shù)據(jù)與原影像相同的分界線，一般為重疊部分相應(yīng)方向的中線；

b，根據(jù)特征點檢測算法提取每塊瓦片中的特征點數(shù)據(jù)并計算其描述子數(shù)據(jù)，中線以內(nèi)部分為該瓦片有效數(shù)據(jù)。

作為本發(fā)明的優(yōu)選方案，所述步驟4包括如下步驟：

a，分離出從每塊瓦片中提取的每個特征點坐標(biāo)信息及描述子數(shù)據(jù)，順序存入數(shù)據(jù)庫；

b，利用r樹空間分割的理念，將每個特征點界定在一定大小的矩形區(qū)域內(nèi)；

c，對數(shù)據(jù)庫中的特征點數(shù)據(jù)寫入r*樹索引。

本發(fā)明的有益效果是：

本發(fā)明所述的一種大尺度遙感影像特征點庫的構(gòu)建方法，通過對大尺度舊時相遙感影像進(jìn)行分割，同時設(shè)置好分割余量以確保對每塊瓦片提取的特征點及描述子數(shù)據(jù)與原影像效果相同，并將特征點對應(yīng)坐標(biāo)信息及描述子用r*樹作索引存入空間數(shù)據(jù)庫。針對傳統(tǒng)技術(shù)在快速發(fā)現(xiàn)變化土地信息時將兩期遙感影像的對比，以及遙感影像快速拼接時的大量地面布控，本發(fā)明將舊時相遙感影像的特征點提取作為預(yù)處理，在檢測目標(biāo)區(qū)域土地變化信息或遙感影像快速拼接時，避免了特征點的重復(fù)提取，有效的提高了處理效率。

附圖說明

圖1為本發(fā)明所述的構(gòu)建方法的流程示意圖；

圖2為影像分割方法示意圖（影像左上角九塊瓦片）；

圖3為每塊瓦片重疊部分特征點有效區(qū)域示意圖。

具體實施方式

下面將結(jié)合附圖對本發(fā)明作進(jìn)一步描述。

如圖1所示，一種大尺度遙感影像特征點庫的構(gòu)建方法，包括以下步驟：

步驟1，通過開源類庫gdal獲取舊時相遙感影像的分辨率。gdal(geospatialdataabstractionlibrary)是一個在x/mit許可協(xié)議下的開源柵格空間數(shù)據(jù)轉(zhuǎn)換庫。其中，舊時相遙感影像如存檔在國土局中的測區(qū)地圖、衛(wèi)星影像圖、無人機(jī)影像圖等相關(guān)的舊時相影像。

步驟2，基于遙感影像的分辨率，以便于特征點檢測算法提取特征點數(shù)據(jù)為準(zhǔn)則，確定舊時相遙感影像所分割瓦片的尺寸及數(shù)量，從而實現(xiàn)對舊時相遙感影像的重疊網(wǎng)格劃分。分割影像時，從影像左上角開始，按一定邏輯（如橫向或縱向），通過開源類庫gdal順序讀取影像數(shù)據(jù)并將數(shù)據(jù)寫入對應(yīng)大小的瓦片中。根據(jù)特征點檢測算法surf的原理，surf特征點描述子數(shù)據(jù)受到特征點周圍個像素的影響，因此在分割時每塊瓦片的邊界都應(yīng)設(shè)置20個像素的余量，以確保從每塊瓦片中提取的特征數(shù)據(jù)與原影像效果相同，如圖2所示。

步驟3，基于surf算法提取每塊瓦片的特征數(shù)據(jù)。由于surf特征點描述子數(shù)據(jù)受到關(guān)鍵點周圍個像素影響，因此對于每塊瓦片的重疊部分，應(yīng)舍去距邊界10個像素的特征點，如圖3所示。

步驟4，分離出從每塊瓦片中提取到的每個關(guān)鍵點的特征數(shù)據(jù)，順序存入依托開源類庫sqlite構(gòu)建遙感影像的特征點數(shù)據(jù)庫中，sqlite是一個進(jìn)程內(nèi)的、自給自足的、無服務(wù)器的、零配置的、事務(wù)性的sql數(shù)據(jù)庫。

步驟5，基于r樹空間分割的理念，將每個關(guān)鍵點的特征數(shù)據(jù)界定在一定的矩形區(qū)域內(nèi)，對特征庫中的數(shù)據(jù)建立r*樹索引。

以上所述僅是本發(fā)明的優(yōu)選實施方式，應(yīng)當(dāng)指出，對于本技術(shù)領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明原理的前提下，還可以做出若干改進(jìn)和潤色，這些改進(jìn)和潤色也應(yīng)視為本發(fā)明的保護(hù)范圍。

技術(shù)特征：

技術(shù)總結(jié)
本發(fā)明提供了一種大尺度遙感影像特征點庫的構(gòu)建方法，首先確定瓦片的尺寸，結(jié)合遙感影像的分辨率信息對其進(jìn)行重疊網(wǎng)格劃分，從而實現(xiàn)遙感影像的分割，通過SIFT/SURF等特征點檢測算法提取每塊瓦片的特征點及描述子數(shù)據(jù)，并將特征點對應(yīng)坐標(biāo)信息及描述子用R*樹作索引存入空間數(shù)據(jù)庫。本專利生成的特征點空間數(shù)據(jù)庫可用于遙感影像快速拼接模板或變化快速發(fā)現(xiàn)檢測，相較于傳統(tǒng)技術(shù)，該方法將特征點檢測作為預(yù)處理，避免重復(fù)檢測，可提高處理效率。

技術(shù)研發(fā)人員：張小國;韋國鈞;何榮開;黃鴻飛;王慶
受保護(hù)的技術(shù)使用者：東南大學(xué)
技術(shù)研發(fā)日：2017.05.31
技術(shù)公布日：2017.09.05